coco_captions

COCOは、大規模なオブジェクト検出、セグメンテーション、およびキャプションデータセットです。このバージョンには、COCO 2014の画像、バウンディングボックス、ラベル、キャプションが含まれており、Karpathy and Li(2015)によって定義されたサブセットに分割されています。これにより、元のCOCO 2014検証データが新しい5000画像の検証セットとテストセットに加えて、残りの約3万枚の画像を含む「restval」セットに効果的に分割されます。すべての分割にはキャプション注釈があります。

  • コンフィグの説明:このバージョンは、2014年バージョンの箱やラベルの境界、画像が含まれています。

  • ホームページhttp://cocodataset.org/#home

  • ソースコードtfds.object_detection.CocoCaptions

  • バージョン

    • 1.1.0 (デフォルト):リリースノート。
  • ダウンロードサイズ37.61 GiB

  • データセットサイズ18.83 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'restval' 30,504
'test' 5,000
'train' 82,783
'val' 5,000
  • 特長
FeaturesDict({
    'captions': Sequence({
        'id': tf.int64,
        'text': tf.string,
    }),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
    'image/id': tf.int64,
    'objects': Sequence({
        'area': tf.int64,
        'bbox': BBoxFeature(shape=(4,), dtype=tf.float32),
        'id': tf.int64,
        'is_crowd': tf.bool,
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=80),
    }),
})

視覚化

  • 引用
@article{DBLP:journals/corr/LinMBHPRDZ14,
  author    = {Tsung{-}Yi Lin and
               Michael Maire and
               Serge J. Belongie and
               Lubomir D. Bourdev and
               Ross B. Girshick and
               James Hays and
               Pietro Perona and
               Deva Ramanan and
               Piotr Doll{'{a} }r and
               C. Lawrence Zitnick},
  title     = {Microsoft {COCO:} Common Objects in Context},
  journal   = {CoRR},
  volume    = {abs/1405.0312},
  year      = {2014},
  url       = {http://arxiv.org/abs/1405.0312},
  archivePrefix = {arXiv},
  eprint    = {1405.0312},
  timestamp = {Mon, 13 Aug 2018 16:48:13 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/LinMBHPRDZ14},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}@inproceedings{DBLP:conf/cvpr/KarpathyL15,
  author    = {Andrej Karpathy and
               Fei{-}Fei Li},
  title     = {Deep visual-semantic alignments for generating image
               descriptions},
  booktitle = { {IEEE} Conference on Computer Vision and Pattern Recognition,
               {CVPR} 2015, Boston, MA, USA, June 7-12, 2015},
  pages     = {3128--3137},
  publisher = { {IEEE} Computer Society},
  year      = {2015},
  url       = {https://doi.org/10.1109/CVPR.2015.7298932},
  doi       = {10.1109/CVPR.2015.7298932},
  timestamp = {Wed, 16 Oct 2019 14:14:50 +0200},
  biburl    = {https://dblp.org/rec/conf/cvpr/KarpathyL15.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

coco_captions / 2014(デフォルト設定)